How Flat turns PDFs and photos of sheet music into editable scores: model versions, what is recognized, what got fixed.
The same engine powers Opuscan and the OMR API. This page lists the changes as they reach Flat.
条目由英文自动翻译而来。 阅读英文原文
我们自研模型的新版本现已用于所有 PDF 和照片导入，重点改进了对页面上连音组印刷方式的识别。
Mac 和 Windows 应用现在可以将 PDF 或纸质乐谱照片转换为可编辑乐谱，并提供与网页版相同的检查步骤。
我们自研模型的新版本现已用于所有 PDF 和照片导入，在扫描乐谱基准测试中的错误率降低了 22% 到 51%。提升在较难的页面上最明显——例如较老的雕版印刷谱面和印刷不均匀的页面。
Flat 自研模型的改进版本现已用于所有 PDF 和照片导入，尤其包括：
在网页版应用中，从 PDF 或照片导入乐谱现已采用新的流程，基于 Flat 自研的识别引擎。它将为所有用户替代此前的 PDF 导入方式。
Flat 现已提供此功能；对于教师和管理员，也可在 Flat for Education 中使用。新流程将在未来几周内登陆 iOS 应用。
我们改进了扫描时对页面版面的读取方式。现在导入 PDF 和照片时，生成的乐谱会更干净、更准确，尤其是在复杂版面中：
现在，所有 PDF 和照片导入都会由 Flat 自研的内部模型处理。这个版本是一次重要的新版本更新，重点提升了转谱准确性：在所有测试集中，乐谱的音乐正确性（决定乐谱是否正确的音符、节奏、连结线和临时记号）都有所提升，其中提升最明显的是：
文本、力度记号和版面位置也更加精确：歌词、和弦名称和力度记号现在能更可靠地附着到正确的音符上，包括钢琴大谱表以及带有谱号变化的声部等复杂版面。
我们正在逐步上线 Flat 自研的 PDF 和照片导入 AI 模型。该模型由我们内部设计并训练，用来替代产品上线时使用的第三方引擎。拥有端到端的技术能力后，我们可以进一步提升准确率，扩展可识别的记谱内容，更快交付改进，并让识别结果更好地贴合 Flat 自身的乐谱格式，使导入内容能够更自然地融入产品的其余部分。仅首个版本，就已经能读出你乐谱中更多的内容：
更广的记谱覆盖范围。 新增可识别内容：
支持更多语言的歌词和文本。 现在默认可识别使用拉丁字母的语言中的歌词、排练记号及其他文本，同时也支持日语、韩语和中文。
更贴近原始版面。 现在导入结果会更紧密地遵循源乐谱的版面布局，包括每行的小节数、每页的系统数以及整体结构。这对于大型复杂乐谱（如管弦乐作品）以及钢琴这类多谱表乐器尤其有帮助。现在还支持更多页面格式，包括此前不支持的横向页面。